至顶网软件频道消息: 今年的SAP SAPPHIRE大会并没有大型的公告。当你拥有如此广泛而深入的安装基础时,你最不想做的事情就是让你的客户傻了眼。但是SAP Business Suite标准支持的谢幕时刻日益临近——现在已经有八年的时间了,并且还在继续——SAP的董事长Hasso Plattner宣布它的替代品——S/4HANA现在已经基本上功能齐备了。
像Oracle一样,SAP也在推广云作为新用户合乎逻辑的目的地,而新功能正是以云计算为优先的。但是相似之处到此为止。Oracle预计到2025年,其80-90%的工作量将在云中运行,而SAP则更加看好混合云的未来。尽管云计算比内部部署的数据中心更为安全的观点得到了很好的论证,但仍然存在着一些行业——诸如医疗保健和金融服务等行业,由于监管或内部保护客户数据的政策的原因,还是倾向于将数据保存在内部部署的环境中。
双方是南辕北辙。Oracle在自己的云数据中心运行自己的应用程序,而SAP则采取更加多样化的方法。SAP为其托管HANA Enterprise Cloud服务使用了SAP Cloud Platform,但是现在将允许用户在他们选择的公共云中通过Cloud Foundry implementation运行HANA或S/4HANA;AWS是Cloud Foundry SAP支持的第一家云计算供应商,随后是Azure和Google Cloud。
同样的变化也适用于应用程序。 Oracle的架构更加一致,建立在一个单一的代码库和数据库上。作为一系列收购的结果,SAP变化多样。S/4HANA是旗舰产品。然后还有其他一些产品,诸如SAP Business One、SAP Business ByDesign、Ariba和Success Factors。虽然SAP有可能为S/4HANA 扩充诸如采购等重叠的功能,但是现有的SAP SaaS服务可能仍然会存在下去。
考虑到Plattner尽可能避免数据移动的法则,这给SAP带来了一个挑战。因此,当你在S / 4HANA应用程序中使用财务和规划时,在Ariba中采购以及在Success Factors中使用人力资本管理,可以通过松散耦合的消息风格集成来获得真相的单一图景。
但柠檬汁是由柠檬制成的。SAP的多极应用生态系统是管理异构世界中集成的良好做法。在这里,SAP的战略是一项正在进行的工作。在HANA Vora联合大数据查询以及与Smart Data Access联合数据存储方面,已经大量投入。这就提出了在联合、异构环境中哪家供应商将拥有查询并保证结果是基于验证数据的问题。SAP在下午晚些时候的展厅主题演讲中提出了广泛的提示,表示它将采取积极的方法来管理和监控用于共享数据的管道。
这是2017年,企业解决方案供应商忽视了人工智能的危险。尽管有点迟到,SAP还是在去年秋天加入战团,在SAP Analytics Cloud中加入了预测分析和一些机器学习功能,为数据的发现、转换和制图提供了指导性体验。SAP产品不是主要云提供商基于云的机器学习服务的替代品;相反,它与IBM Watson Analytics和Amazon QuickSight的竞争更加激烈。
正如Asha McLean所报道的,SAP现在正在开发一款基于服务的产品,该产品已经被命名为Leonardo。Hasso Plattner在一位分析师听众面前解释说Leonardo不是一个产品。从我们在SAPPHIRE的观察中可以看出,这是在这次展会上推广力度最大同时也是最不被了解的产品。在几乎每次分组会议和我们参加的新闻/媒体简报会上,“什么是Leonardo?”这个问题都被不断地提出来。
Leonardo原本是SAP构建物联网智能应用的总品牌。现在则包含了更多的东西。目前,Leonardo是一款结合了服务和工具的产品,涉及SAP与客户的磋商以帮助识别扩展其核心企业系统的智能应用的需求和机会。它是SAP战略的一部分,其下一代企业应用程序和云服务的所有自定义和添加功能将是扩展,通过API将保持底层代码库完好无缺。这一策略来自传统SAP R/3 ERP用户的宝贵经验,由于需要围绕客户端定制基础的ABAP代码,常规升级过程复杂且成本高昂。
我们看到了一款服装零售应用程序的几个演示,一个女人站在屏幕面前,根据她的客户旅程,系统会给出供选择的服装。或者航空公司可以在机场监控并优化航站楼的运营,以预测客户流量。 “The SAP Leonardo Experience”的多媒体展览吸引了无数的观众。
SAP的下一步是创建垂直行业模板,推动Leonardo人工智能应用程序构建。这是一个积极的步骤,让SAP专注于这一领域并找出可能产生的下一波人工智能应用程序的地方。但是在我们看来,目前品牌化可能有点为时尚早,因为它提高了客户对实际包装产品的期望。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。